基于支持向量机粒化的基差预测及套利策略设计
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的和意义 | 第7-8页 |
| 1.3 研究内容和方法 | 第8-9页 |
| 1.4 本文的主要贡献 | 第9-10页 |
| 第2章 文献综述与相关理论 | 第10-24页 |
| 2.1 文献综述 | 第10-14页 |
| 2.1.1 股指期货套利的相关研究 | 第10-11页 |
| 2.1.2 金融时间预测的研究 | 第11-14页 |
| 2.2 相关理论 | 第14-24页 |
| 2.2.1 结构风险最小化理论 | 第14-15页 |
| 2.2.2 支持向量机基本思想 | 第15-17页 |
| 2.2.3 支持向量机回归理论 | 第17-19页 |
| 2.2.4 模糊信息粒化理论 | 第19-22页 |
| 2.2.5 遗传算法理论 | 第22-24页 |
| 第3章 研究问题的描述与分析 | 第24-29页 |
| 3.1 上证50股指期货发展历程 | 第24-25页 |
| 3.2 股指期货合约及基差波动分析 | 第25-28页 |
| 3.3 研究问题的分析 | 第28-29页 |
| 第4章 单值预测模型比较 | 第29-42页 |
| 4.1 线性ARIMA模型 | 第29-34页 |
| 4.1.1 ARIMA模型与小波分析概述 | 第29-30页 |
| 4.1.2 ARIMA模型实证预测 | 第30-34页 |
| 4.2 BP神经网络模型 | 第34-38页 |
| 4.2.1 BP神经网络模型概述 | 第34-35页 |
| 4.2.2 BP神经网络模型实证预测 | 第35-38页 |
| 4.3 支持向量机模型 | 第38-40页 |
| 4.3.1 支持向量机模型概述 | 第38页 |
| 4.3.2 支持向量机模型实证预测 | 第38-40页 |
| 4.4 单值预测的缺陷及改进方案 | 第40-42页 |
| 第5章 方案策划的实证设计及实施途径 | 第42-62页 |
| 5.1 现货指数复制 | 第42-48页 |
| 5.1.1 ETF指数现货复制法 | 第42-45页 |
| 5.1.2 股票组合指数现货复制法 | 第45-48页 |
| 5.2 预测方案设计及优化 | 第48-53页 |
| 5.2.1 数据选取及预处理 | 第48页 |
| 5.2.2 基差序列模糊信息粒化 | 第48-50页 |
| 5.2.3 预测输入特征选取 | 第50页 |
| 5.2.4 模型参数优化及预测 | 第50-53页 |
| 5.3 预测模型有效性分析 | 第53-57页 |
| 5.4 方案的实施途径 | 第57-62页 |
| 5.4.1 交易成本 | 第57-58页 |
| 5.4.2 套利策略 | 第58-59页 |
| 5.4.3 套利回测结果 | 第59-62页 |
| 第6章 结论 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 研究的不足与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-73页 |
| 致谢 | 第73-74页 |
